【动手学深度学习】使用块的网络（VGG）

使用块的网络（VGG）

本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。
另，给自己练习时没有gpu资源的小伙伴推荐下kaggle数据科学网站，每周免费训练时长30h。

1 网络结构

VGG块由一系列卷积层和一个最大汇聚层组成，块中的激活函数为ReLU函数，在原文的VGG块使用带有$3\times 3$卷积核、填充为1（保持高度和宽度）的卷积层，和带有$2\times 2$汇聚窗口、步幅为2（每个块后的分辨率减半）的最大汇聚层。而VGG网络并不只有VGG块，还包含了一系列全连接层。
原始VGG网络有5个卷积块，其中前两个块各有一个卷积层，后三个块各包含两个卷积层。 第一个模块有64个输出通道，每个后续模块将输出通道数量翻倍，直到该数字达到512。由于该网络使用8个卷积层和3个全连接层，因此它通常被称为VGG-11。

2 编码实现

1. 编写生成VGG块的代码

输入参数包括：要创建的VGG块中包含的卷积层数、输入和输出通道数。
使用nn.sequential()创建神经网络，输入网络各层列表。激活函数使用ReLU，并且在最后添加一个最大汇聚层。

def vgg_block(num_convs, in_channels, out_channels):
    layers=[]
    for i in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1))
        layers.append(nn.ReLU())
        in_channels=out_channels
    layers.append(nn.MaxPool2d(kernel_size=2, stride=2))
    return nn.Sequential(*layers)

2. 创建VGG-11网络

VGG-11有5个卷积块，其中前两个块各有一个卷积层，后三个块各包含两个卷积层。 第一个模块有64个输出通道，每个后续模块将输出通道数量翻倍，直到该数字达到512。在卷积层后接三个全连接层，将输出映射到数据集的十类分类中。

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))
def vgg(conv_arch):
    conv_blocks=[]
    in_channels=1
    for (nums_convs, out_channels) in conv_arch:
        conv_blocks.append(vgg_block(nums_convs, in_channels, out_channels))
        in_channels = out_channels
    return nn.Sequential(
        *conv_blocks, nn.Flatten(),
        nn.Linear(out_channels*7*7, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 10))
net = vgg(conv_arch)

3. 网络调试

在编写全连接层代码前需要先计算输出的张量大小，然后根据输出通道数量得到扁平化后的张量大小。但是在学习过程中我有一个思路：编写网络代码时故意先略去全连接层部分，然后运行如下代码，结果的最后一行输出就包括了张量维度情况。这样可以省去个人计算时间，根据输出再去编写全连接层更加方便。（因为是初学者，不知道这样做是否存在某种隐患，若存在请留言，谢谢。）

X = torch.randn(size=(1, 1, 224, 224))
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__,'output shape:\t',X.shape)

输出：

Sequential output shape:     torch.Size([1, 64, 112, 112])
Sequential output shape:     torch.Size([1, 128, 56, 56])
Sequential output shape:     torch.Size([1, 256, 28, 28])
Sequential output shape:     torch.Size([1, 512, 14, 14])
Sequential output shape:     torch.Size([1, 512, 7, 7])
Flatten output shape:        torch.Size([1, 25088])
Linear output shape:         torch.Size([1, 4096])
ReLU output shape:  		 torch.Size([1, 4096])
Dropout output shape:     	 torch.Size([1, 4096])
Linear output shape:         torch.Size([1, 4096])
ReLU output shape:   		 torch.Size([1, 4096])
Dropout output shape:    	 torch.Size([1, 4096])
Linear output shape:         torch.Size([1, 10])

4. 模型训练

# 由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络(通道数是原来的1/4)，足够用于训练Fashion-MNIST数据集。
ratio = 4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]
net = vgg(small_conv_arch)

# 批训练，把数据变成每128个数据进行一次训练。
# Epoch是指 “当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一个 epoch。”
lr, num_epochs, batch_size = 0.05, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

输出：

loss 0.183, train acc 0.932, test acc 0.928
1795.3 examples/sec on gpu(0)